NumPy 1.25.0 版本说明#
NumPy 1.25.0 版本继续改进数据类型处理和提升、提高执行速度以及改进文档说明的工作。同时也为未来的 NumPy 2.0.0 版本做准备，导致大量新的和已过期的弃用声明。主要亮点包括：
支持 MUSL，现在有 MUSL 轮子。
支持 Fujitsu C/C++ 编译器。
einsum 现在支持对象数组。
支持就地矩阵乘法 (
@=)。
当 Python 3.12 发布时，我们将发布 NumPy 1.26。这是必要的，因为 Python 3.12 已删除 distutils，我们将切换到使用 meson 进行未来的构建。下一个主要版本将是 NumPy 2.0.0。我们计划 2.0 系列仍将支持针对早期 NumPy 版本构建的下游项目。
此版本支持的 Python 版本为 3.9-3.11。
弃用声明#
np.core.MachAr已弃用。它是私有 API。一般应将np.core中定义的名称视为私有。(gh-22638)
np.finfo(None)已弃用。(gh-23011)
np.round_已弃用。请改用 np.round。(gh-23302)
np.product已弃用。请改用 np.prod。(gh-23314)
np.cumproduct已弃用。请改用 np.cumprod。(gh-23314)
np.sometrue已弃用。请改用 np.any。(gh-23314)
np.alltrue已弃用。请改用 np.all。(gh-23314)
只有 ndim-0 数组被视为标量。NumPy 过去将所有大小为 1 的数组（例如
np.array([3.14])）视为标量。将来，这将仅限于 ndim 为 0 的数组（例如np.array(3.14)）。以下表达式将报告弃用警告a = np.array([3.14]) float(a) # better: a[0] to get the numpy.float or a.item() b = np.array([[3.14]]) c = numpy.random.rand(10) c[0] = b # better: c[0] = b[0, 0]
(gh-10615)
np.find_common_type已弃用。numpy.find_common_type 现已弃用，其使用应替换为numpy.result_type或numpy.promote_types。大多数用户将find_common_type的第二个scalar_types参数保留为[]，在这种情况下，np.result_type和np.promote_types都更快且更健壮。当不使用scalar_types时，主要区别在于替换有意将非原生字节序转换为原生字节序。此外，find_common_type返回object数据类型而不是提升失败。当输入并非全是数字时，这会导致差异。重要的是，这也会发生在例如 timedelta/datetime 上，对于这些情况，NumPy 提升规则目前有时令人惊讶。当
scalar_types参数不是[]时，情况会更复杂。在大多数情况下，使用np.result_type并传递 Python 值0、0.0或0j与在 scalar_types 中使用int、float或complex的结果相同。当构建
scalar_types时，np.result_type是正确的替换，并且可以传递标量值，例如np.float32(0.0)。传递 0 之外的值可能会导致值检查行为（np.find_common_type从未使用过，NEP 50 未来可能会改变）。在这种情况下，行为的主要可能变化是，当数组类型是有符号整数而标量类型是无符号整数时。如果您不确定如何替换
scalar_types的用法，或者非数值 dtype 可能出现时，请随时打开 NumPy issue 寻求帮助。(gh-22539)
已过期的弃用声明#
np.core.machar和np.finfo.machar已移除。(gh-22638)
当数据类型不是数值类型（并且正数未定义）时，
+arr现在将引发错误。(gh-22998)
现在必须将序列传递到堆叠系列函数中 (
stack、vstack、hstack、dstack和column_stack)。(gh-23019)
np.clip现在默认为同类类型转换。在 NumPy 1.17 中，回退到不安全转换已被弃用。(gh-23403)
np.clip现在将传播作为min或max传递的np.nan值。以前，标量 NaN 通常被忽略。这在 NumPy 1.17 中已被弃用。(gh-23403)
np.dual子模块已被移除。(gh-23480)
NumPy 现在始终忽略类数组的序列行为（定义数组协议之一）。（弃用始于 NumPy 1.20）
(gh-23660)
在
astype或数组创建函数（如asarray）中转换为子数组 dtype 时的利基FutureWarning现已完成。行为现在始终与子数组 dtype 包装到单个字段中的行为相同（这是以前的解决方法）。（自 NumPy 1.20 起为 FutureWarning）(gh-23666)
==和!=警告已完成。==和!=运算符在数组上现在始终引发在比较过程中发生的错误，例如当数组具有不相容的形状时 (
np.array([1, 2]) == np.array([1, 2, 3]))。当值根本不可比较（例如具有不同的数据类型）时，返回全是
True或全是False的数组。一个例子是np.array(["a"]) == np.array([1])。这模仿了 Python 在比较不相容类型（如
"a" == 1和"a" != 1）时返回False和True的行为。长期以来，这些会给出DeprecationWarning或FutureWarning。
(gh-22707)
Nose 支持已移除。NumPy 在 2018 年切换到使用 pytest，而 nose 多年来一直未维护。我们保留了 NumPy 的 nose 支持，以避免破坏可能仍在使用它且尚未切换到 pytest 或其他测试框架的下游项目。随着 Python 3.12 的到来，未修补的 nose 将引发错误。是时候继续前进了。
移除的装饰器:
raises
slow
setastest
skipif
knownfailif
deprecated
parametrize
_needs_refcount
不要将这些与名称相似的 pytest 版本混淆，例如 pytest.mark.slow、pytest.mark.skipif、pytest.mark.parametrize。
移除的函数:
Tester
import_nose
run_module_suite
(gh-23041)
numpy.testing.utilsshim 已移除。自 2019 年以来，从numpy.testing.utilsshim 导入已被弃用，该 shim 现已移除。所有导入都应直接从numpy.testing进行。(gh-23060)
禁用分派的的环境变量已被移除。对
NUMPY_EXPERIMENTAL_ARRAY_FUNCTION环境变量的支持已被移除。此变量禁用使用__array_function__的分派。(gh-23376)
已移除对
y=作为out=别名的支持。fix、isposinf和isneginf函数允许使用y=作为out=的（已弃用）别名。此功能不再受支持。(gh-23376)
兼容性说明#
busday_count方法现在可以正确处理begindates晚于enddates的情况。以前，即使文档说明总是排除enddates，它也会被包含。(gh-23229)
在使用
np.equal或np.not_equal比较日期时间和时间增量时，NumPy以前允许使用casting="unsafe"进行比较。此操作现在会失败。可以使用dtype关键字参数强制输出dtype，但这并不推荐。(gh-22707)
使用
np.load从文件句柄加载数据时，如果句柄位于文件末尾（例如，通过重复调用np.load读取多个数组时可能会发生这种情况），则NumPy以前会在allow_pickle=False时引发ValueError，在allow_pickle=True时引发OSError。现在，这两种情况下都会引发EOFError。(gh-23105)
使用mode=wrap的np.pad使用原始数据的严格倍数进行填充#
基于早期版本的pad且使用mode="wrap"的代码，当填充大小大于初始数组时，将返回不同的结果。
使用mode=wrap的np.pad现在始终使用原始数据的严格倍数填充空间，即使填充大小大于初始数组。
(gh-22575)
已移除Cython long_t和ulong_t#
long_t和ulong_t是longlong_t和ulonglong_t的别名，并且容易混淆（Python 2 的残留）。此更改可能会导致错误。
'long_t' is not a type identifier
'ulong_t' is not a type identifier
我们建议使用位大小类型，例如cnp.int64_t或cnp.intp_t（在32位系统上为32位，在64位系统上为64位）（这与索引最兼容）。如果需要C long，请使用普通的long或npy_long。cnp.int_t也是long（NumPy的默认整数）。但是，在64位Windows上long是32位，我们可能希望即使在NumPy中也调整这一点。（如果您对此感到好奇，请随时联系NumPy开发者。）
(gh-22637)
更改了传递给ufunc的错误axes参数的错误消息和类型#
将错误的axes值传递给ufunc(..., axes=[...])`时的错误消息和类型已更改。消息现在更能说明问题，如果值不匹配，则会引发AxisError。对于无效的输入类型，仍然会引发TypeError。
(gh-22675)
定义了__array_ufunc__的类数组现在可以覆盖用作where的ufunc#
如果numpy.ufunc的where关键字参数是numpy.ndarray的子类，或者是一个定义了numpy.class.__array_ufunc__的鸭子类型，它可以使用与输入和输出参数相同的机制来覆盖ufunc的行为。请注意，为了使此方法正常工作，where.__array_ufunc__实现将必须解包where参数，将其传递到ufunc的默认实现中，或者对于numpy.ndarray子类在使用super().__array_ufunc__之前。
(gh-23240)
现在默认情况下，针对 NumPy C API 的编译向后兼容#
NumPy现在默认公开C-API的向后兼容子集。这使得使用oldest-supported-numpy变得不必要。库可以覆盖默认的最小版本以兼容使用
#define NPY_TARGET_VERSION NPY_1_22_API_VERSION
在包含NumPy之前，或者通过向编译器传递等效的-D选项。NumPy 1.25的默认值为NPY_1_19_API_VERSION。因为NumPy 1.19 C API与NumPy 1.16相同，所以生成的程序将与NumPy 1.16兼容（从C-API的角度来看）。此默认值将在未来的非错误修复版本中增加。您仍然可以针对旧版本的NumPy编译并在较新版本上运行。
更多详细信息，请参见面向下游包作者。
(gh-23528)
新功能#
np.einsum现在接受具有object dtype 的数组#
代码路径将像np.dot和np.matmul一样，在object dtype数组上调用Python运算符。
(gh-18053)
添加了对就地矩阵乘法的支持#
现在可以通过@=运算符执行就地矩阵乘法。
>>> import numpy as np
>>> a = np.arange(6).reshape(3, 2)
>>> print(a)
[[0 1]
[2 3]
[4 5]]
>>> b = np.ones((2, 2), dtype=int)
>>> a @= b
>>> print(a)
[[1 1]
[5 5]
[9 9]]
(gh-21120)
添加了NPY_ENABLE_CPU_FEATURES环境变量#
用户现在可以通过指定NPY_ENABLE_CPU_FEATURES环境变量来选择只启用运行时构建的CPU功能的子集。请注意，这些指定的特性必须位于基线之外，因为总是假设这些特性。如果尝试启用CPU不支持的特性，或者NumPy没有构建的特性，则会引发错误。
(gh-22137)
NumPy现在具有np.exceptions命名空间#
NumPy现在有一个专门的命名空间，使大多数异常和警告可用。所有这些都保留在主命名空间中，尽管将来可能会缓慢移动一些。这样做的主要原因是提高可发现性并添加未来的异常。
(gh-22644)
np.linalg函数返回命名元组#
现在，返回元组的np.linalg函数将返回命名元组。这些函数包括eig()、eigh()、qr()、slogdet()和svd()。在这些函数使用某些关键字参数（例如svd(compute_uv=False)）返回非元组的情况下，返回类型保持不变。
(gh-22786)
np.char中的字符串函数与NEP 42自定义dtype兼容#
现在，可以将表示unicode字符串或字节字符串的自定义dtype传递给np.char中的字符串函数。
(gh-22863)
可以从字符串抽象dtype类创建字符串dtype实例#
现在可以创建一个指定大小的字符串dtype实例，而无需使用dtype的字符串名称。例如，type(np.dtype('U'))(8)将创建一个等效于np.dtype('U8')的dtype。此功能在编写处理字符串dtype类的通用代码时最为有用。
(gh-22963)
现在支持富士通C/C++编译器#
已添加对富士通编译器的支持。要使用富士通编译器进行构建，请运行：
python setup.py build -c fujitsu
现在支持SSL2#
已添加对SSL2的支持。SSL2是一个提供与OpenBLAS兼容的GEMM函数的库。要启用SSL2，需要编辑site.cfg并使用富士通编译器进行构建。请参阅site.cfg.example。
(gh-22982)
改进#
NDArrayOperatorsMixin指定它没有__slots__#
NDArrayOperatorsMixin类现在指定它不包含__slots__，确保子类现在可以在Python中使用此功能。
(gh-23113)
修复复数零的幂#
对于复数，np.power现在对0^{非零}返回不同的结果。请注意，只有当指数的实部大于零时，该值才被定义。以前，除非虚部严格为零，否则返回NaN。返回值为0+0j或0-0j。
(gh-18535)
新的DTypePromotionError#
NumPy现在有一个新的DTypePromotionError，当两个dtype无法提升到一个公共dtype时使用，例如
np.result_type("M8[s]", np.complex128)
引发此新异常。
(gh-22707)
np.show_config使用来自Meson的信息#
构建和系统信息现在包含来自Meson的信息。np.show_config现在有一个新的可选参数mode来帮助自定义输出。
(gh-22769)
修复np.ma.diff在使用prepend/append参数调用时不保留掩码#
使用prepend和/或append参数调用np.ma.diff现在将返回一个保留输入掩码的MaskedArray。
以前，返回的是没有掩码的MaskedArray。
(gh-22776)
修正Cython中NumPy C-API的错误处理#
许多为在Cython中使用而定义的NumPy C函数都缺少正确的错误指示符，例如except -1或except *。这些现在都已添加。
(gh-22997)
直接生成随机数生成器的能力#
numpy.random.Generator.spawn现在允许通过numpy.random.SeedSequence.spawn机制直接生成新的独立子生成器。numpy.random.BitGenerator.spawn对底层位生成器执行相同的操作。
此外，numpy.random.BitGenerator.seed_seq现在可以直接访问用于初始化位生成器的种子序列。例如，这允许
seed = 0x2e09b90939db40c400f8f22dae617151
rng = np.random.default_rng(seed)
child_rng1, child_rng2 = rng.spawn(2)
# safely use rng, child_rng1, and child_rng2
以前，如果不显式传递SeedSequence，这很难做到。请参阅numpy.random.SeedSequence了解更多信息。
(gh-23195)
numpy.logspace现在支持非标量base参数#
如果numpy.logspace的base参数可以与start和stop参数进行广播，则它现在可以是类似数组的。
(gh-23275)
np.ma.dot()现在支持非二维数组#
以前np.ma.dot()仅当a和b都是二维时才有效。现在它也适用于非二维数组，就像np.dot()一样。
(gh-23322)
在repr中显式显示.npz文件的键#
NpzFile打印时显示已加载.npz文件的键。
>>> npzfile = np.load('arr.npz')
>>> npzfile
NpzFile 'arr.npz' with keys arr_0, arr_1, arr_2, arr_3, arr_4...
(gh-23357)
NumPy现在在np.dtypes中公开了DType类#
新的numpy.dtypes模块现在公开了DType类，并将包含未来的与dtype相关的功能。大多数用户不需要直接使用这些类。
(gh-23358)
在保存到.npy或.npz文件之前删除dtype元数据#
当前，包含具有元数据的dtype的表的*.npy文件无法读取回来。现在，np.save和np.savez在保存之前删除元数据。
(gh-23371)
numpy.lib.recfunctions.structured_to_unstructured在更多情况下返回视图#
如果字段之间的步长是常数，structured_to_unstructured现在将返回一个视图。之前，字段之间的填充或反转字段会导致复制。此更改仅适用于ndarray、memmap和recarray。对于所有其他数组子类，行为保持不变。
(gh-23652)
有符号整数和无符号整数始终正确比较#
当在NumPy中混合使用uint64和int64时，NumPy通常会将两者都提升为float64。这种行为可能会引起争议，但对于比较==、<=来说是令人困惑的，因为返回的结果可能是错误的，但转换是隐藏的，因为结果是布尔值。NumPy现在将通过避免转换为浮点数来为这些返回正确的结果。
(gh-23713)
性能改进和更改#
在支持 AVX-512 指令集的处理器上加速 np.argsort#
用于 np.argsort 的 32 位和 64 位快速排序算法在支持 AVX-512 指令集的处理器上速度提升高达 6 倍。
感谢 英特尔公司 为这项工作提供赞助。
(gh-23707)
在支持 AVX-512 指令集的处理器上加速 np.sort#
针对 16 位和 64 位数据类型的快速排序算法在支持 AVX-512 指令集的处理器上速度提升高达 15 倍和 9 倍。
感谢 英特尔公司 为这项工作提供赞助。
(gh-22315)
__array_function__ 机制现在快得多#
NumPy 中大多数函数的开销现在更小，尤其是在使用关键字参数时。此更改显着加快了许多简单的函数调用。
(gh-23020)
ufunc.at 速度可能快得多#
通用 ufunc.at 速度最多可提高 9 倍。此速度提升的条件：
操作数已对齐
无需类型转换
如果 ufunc 在满足上述条件的一维参数上具有适当的索引循环，则 ufunc.at 的速度最多可提高 60 倍（额外提高 7 倍）。已将适当的索引循环添加到 add、subtract、multiply、floor_divide、maximum、minimum、fmax 和 fmin。
内部逻辑类似于常规 ufunc 使用的逻辑，后者也具有快速路径。
感谢 D. E. Shaw 集团 为这项工作提供赞助。
(gh-23136)
加快 NpzFile 的成员测试#
如果成功，NpzFile 的成员测试将不再解压缩存档。
(gh-23661)
更改#
np.r_[] 和 np.c_[] 与某些标量值#
在极少数情况下，主要使用带有标量的 np.r_ 会导致不同的结果。以下重点介绍了主要潜在变化：
>>> np.r_[np.arange(5, dtype=np.uint8), -1].dtype
int16 # rather than the default integer (int64 or int32)
>>> np.r_[np.arange(5, dtype=np.int8), 255]
array([ 0, 1, 2, 3, 4, 255], dtype=int16)
第二个示例返回的结果为
array([ 0, 1, 2, 3, 4, -1], dtype=int8)
第一个示例是由于带符号整数标量与无符号整数数组，而第二个示例是由于 255 不适合 int8，并且 NumPy 当前正在检查值以使其工作。（请注意，由于 NEP 50，第二个示例预计将来会发生变化；届时它将引发错误。）
(gh-22539)
大多数 NumPy 函数都封装在 C 可调用函数中#
为了加快 __array_function__ 的调度，大多数 NumPy 函数现在都封装在 C 可调用函数中，而不是合适的 Python 函数或 C 方法。它们看起来和感觉与以前一样（像 Python 函数），这只会提高性能和用户体验（更清晰的回溯）。但是，如果此更改由于某种原因混淆了您的程序，请告知 NumPy 开发人员。
(gh-23020)
C++ 标准库的使用#
NumPy 构建现在依赖于 C++ 标准库，因为 numpy.core._multiarray_umath 扩展与 C++ 链接器链接。
(gh-23601)